搜索框搜索不自动清空_elastic 搜索建议suggester 自动补全 搜索词推荐

什么是搜索建议

现代搜索引擎中都会提供搜索建议的功能，帮助用户在输入搜索的过程中，进行自动补全或纠错。协助用户输入更加精确的词，提高后续搜索文档的匹配程度。

在elastic中通过suggester api来实现

将输入的文本分解成token，然后在索引的词典里查找相似的term并返回。

根据不同场景，elastic设计了4中不同的suggesters

1.Term & Phrase Suggester

2.Complete & Context Suggester

一、term suggester

suggester是一种特殊类型的搜索，text里是搜索的文本，用户搜索lucen是一个错误的拼写，不存在的，到字段body上搜索，当无法搜索到结果时(missing),返回建议的词。

几种suggest model

1.missing 如果搜索索引中存在，就不提供建议

2.popular 推荐出现频率更高的词

3.always 无论是否存在都提供建议

演示案例：

插入一些数据用于测试

使用missing

lucen 这个词拼写错误，索引里没有，就给出了推荐lucene，然而rock没有给出推荐，是因为索引里面有值。

使用popular

推荐了lucen 和 rocks两个词，rocks在索引里出现的频率更高，所以推荐了rocks这个词。

使用always

我们可以通过配置一系列的选项，来均衡灵活和性能：

• max_edits：最大编辑距离候选建议可以具有以便被视为建议。只能是介于1和2之间的值。任何其他值都会导致抛出错误的请求错误。默认为2。
• prefix_length：必须匹配的最小前缀字符的数量才是候选建议。默认为1.增加此数字可提高拼写检查性能。
• min_doc_freq：建议应出现的文档数量的最小阈值。可以指定为绝对数字或文档数量的相对百分比。这可以仅通过建议高频项来提高质量。默认为0f且未启用。如果指定的值大于1，则该数字不能是小数。分片级文档频率用于此选项。
• max_term_freq：建议文本令牌可以存在的文档数量的最大阈值，以便包括在内。可以是表示文档频率的相对百分比数(例如0.4)或绝对数。如果指定的值大于1，则不能指定小数。默认为0.01f。这可用于排除高频术语的拼写检查。高频术语通常拼写正确，这也提高了拼写检查的性能。分片级文档频率用于此选项。

小结，term suggester首先将输入文本经过分析器(所以，分析结果由于采用的分析器不同而有所不同)分析，处理为单个词条，然后根据单个词条去提供建议，并不会考虑多个词条之间的关系。然后将每个词条的建议结果(有或没有)封装到options列表中。最后由建议器统一返回。

二、Phrase Suggester

在text suggester基础上增加了一些逻辑和一些参数。

三、Complete Suggester (自动补全)

搜索elk，然后下面给自动补全推荐结果。

四、Context Suggester (基于上下文的提示)

四中类型使用总结